K plus proches voisins pour les champignons
Le classificateur Naive Bayes gaussien a très bien performé pour un modèle initial. Construisons maintenant un nouveau modèle pour le comparer à Naive Bayes.
Ici, nous allons utiliser un classificateur des 5 plus proches voisins. Comme les variables factices créent un jeu de données de grande dimension, utilisez l'algorithme Ball Tree pour accélérer le modèle. Voyons comment ce modèle s'en tire !
Cette activité fait partie du cours
Méthodes d'ensemble en Python
Instructions de l’exercice
- Créez un
KNeighborsClassifieravec5voisins etalgorithm = 'ball_tree'(pour accélérer le traitement). - Entraînez le modèle sur les données d'entraînement.
- Évaluez la performance sur l'ensemble de test à l'aide de l'accuracy score.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Instantiate a 5-nearest neighbors classifier with 'ball_tree' algorithm
clf_knn = ____(____, ____)
# Fit the model to the training set
____
# Calculate the predictions on the test set
pred = ____
# Evaluate the performance using the accuracy score
print("Accuracy: {:0.4f}".format(accuracy_score(y_test, pred)))